时间地理学视角下职住空间对通勤效率的影响研究——以昆明市双职工家庭为例

家庭职住空间是城市通勤格局形成的重要影响因素,而通勤效率是居民日常出行行为决策的评价标准之一,剖析二者间互动机理是优化城市空间布局及提高交通可达性的关键。基于时间地理学理论建立职住空间与通勤效率研究框架,提出家庭职住空间和通勤效率度量方法,利用2016年昆明市居民出行调查数据,采用结构方程模型探讨职住空间对通勤效率的影响机理。研究表明：职住空间分散的家庭倾向于将非工作活动嵌入通勤链或采用小汽车出行以提高通勤效率,但更高的小汽车拥有水平会增加接送类时空固定性较强的活动,最终导致家庭通勤效率降低;高收入和长住学距离均使家庭的职住空间更加分散,然而高收入促进通勤效率提高,而长住学距离使通勤效率下降;通勤效率具有显著的空间异质性特征,近市中心居住家庭的非工作活动以时空灵活性较强的购物与休闲为主,故而通勤效率较高,郊区居住家庭周边的商业设施较少且非工作活动较为固定,故而通勤效率较低。因此,城市用地布局和住房供给应综合考虑如何降低通勤交通的机动化依赖程度、如何缩短非工作活动的出行时耗以及不同社会经济属性家庭的需求,以逐步提高城市居民的通勤效率。     

城市轨道交通车站接驳设施配置策略——以北京市轨道交通6号线为例

轨道交通接驳设施配置的合理与否直接影响着轨道交通的运行效率和服务水平。为了指导轨道交通车站周边交通接驳设施的配置,利用聚类法划分轨道交通车站类型:考虑车站客流吸引范围内的用地性质及客流特点等因素,将车站按用地性质分为居住型、商业型、均衡型、大型公共建筑型和枢纽型车站;考虑到周边开发强度、轨道交通线网密度及车站所在区位特点等因素,将车站按区域特性分为市区站、郊区中间站和郊区末端站。以北京轨道交通6号线为例进行了车站分类的应用及验证。针对每种类型车站的特点,考虑各类出行方式的交通特征和需求,研究制定了交通接驳设施的配置策略,并对各类交通接驳设施给出了配置标准、要求。     

城市公共交通常乘客通勤出行提取方法

为挖掘公共交通通勤出行精准化特征，从追踪出行链的角度出发，利用公交与轨道多源数据研究常乘客通勤出行提取方法。通过选取潜在职住地设置高频职住地集合，提出公共交通常乘客职住地识别算法，结合出行链起讫站点与职住地空间信息匹配提取通勤出行链，并将常乘客出行分为home-work通勤、work-home通勤和非通勤出行。以北京市“回天地区”公交与轨道出行链数据为例，提取常乘客通勤出行。结果表明：常乘客职住地识别率达到85.9%，常乘客通勤出行和非通勤出行在出行时空分布和出行方式上存在明显差异，通勤出行提取可为北京市面向常乘客开展“预约出行”并分析其出行需求动态特征变化提供依据。     

南京市轨道交通车站客流特征析因及应用

为便于针对性地开展轨道交通车站交通配套设施建设工作,有必要对不断建设完善的轨道交通线网的车站进行分类研究.以南京市轨道交通为例,基于现状车站客流特征数据,考虑客流规模、空间分布及时间形态,采用因子分析法提取非弹性因子、职住不均衡因子、区位因子,基于此进行分类.采用多尺度地理加权回归对各因子进行回归分析,找到其他指标(主要为居住人口、就业岗位及用地)与各因子的联系,可定量呈现规划车站的属性特征并据此进行分类.研究表明,通过以上三因子可对车站进行符合实际的类型划分.这说明客流特征能通过因子分析得到不同维度表征,而通过多尺度地理加权回归可使其定量解释成为可能.     

大城市职住空间演变评估方法研究

中国大城市正处于快速城镇化发展进程中,空间形态以及对应的就业-居住关系正在发生深刻嬗变。职住分离正是这一发展过程中的必然现象。本研究基于过剩通勤框架提出一种动态的Brotchie三角形模型研究方法,为快速城镇化发展中的中国城市通勤效率评估提供理论基础。借助南昌市城市居民出行调查中获得的大样本的通勤、就业等数据,为城市的职住平衡、通勤效率评价提供有效数据支撑,并对动态Brotchie三角形模型进行验证。研究证明,以过剩通勤框架下的动态Brotchie三角形模型和通勤节省、标准通勤节省指标评价快速城镇化大城市的通勤效率,相较职住比、过剩通勤率等指标更加有效并且有利于跨时间、跨城市的横向比较。     

个体对通勤时间的态度和偏好视角下的职住空间失调

研究职住空间失调能够帮助我们更好地理解个体对职住分离的态度和偏好,并有助于在制定政策时考虑通勤者更真实的需求和期望.本次研究采用理想通勤时间和实际通勤时间的匹配程度来度量职住空间失调,并以昆明市为案例进行了实证研究.描述性统计结果表明,大多数通勤者认为他们的职住空间是失调的,有41.04%的通勤者遭受重度空间失调.进一步,基于序次Logistic回归模型分析了职住空间失调的影响因素.结果表明,出行方式、居住区位、年龄、受教育程度和家庭有无小孩对职住空间失调有显著影响.同时,由于个体对通勤时间的态度和偏好的异质性,更长的通勤时间并不总是意味着职住空间更加失调.     

轨道交通车站交通设施衔接及周边用地规划探索——以西安市为例

随着西安市轨道交通线路的建设通车,车站周边交通设施设置、用地功能组织、建设资金筹措等问题逐渐凸显.如何实现城市轨道交通与城市的协调发展成为亟须解决的问题.针对西安市轨道交通已建线路及车站在建设及运行中存在的具体问题,探讨优化轨道交通沿线交通设施及车站周边用地的规划策略.以轨道交通4,5,6号线及市域轨道交通临潼线为例,确定车站周边800 m为研究范围,将涉及的88个车站划分为枢纽站、区域中心站、换乘接驳站和一般站.提出交通设施衔接控制导则、车站周边用地优化整合模式、各类车站地下空间开发利用控制要求,以及车站周边用地开发强度等具体策略.     

城市交通形态研究——城市与交通规划融合的深圳实践

基于实现交通规划与城市规划的融合,提出交通形态作为融合的桥梁,并以深圳为例进行了规划实践,成为指导交通规划的总纲.重点探讨了交通形态的定义和研究框架,主要从土地利用出发,通过量化手段识别城市职住分布、职住平衡范围、空间形态,并结合交通出行特征研究通勤圈范围,最后抽象概括出交通形态.     

上海市大型居住社区居民职住分离情况研究

采用数理统计方法,选择上海市大型居住社区为研究对象,结合大量的实地问卷调查数据,系统地分析上海周边大型居住社区职住分离情况.采用聚类分析方法对大型居住社区居民通勤时间、出行方式选择进行了统计分析,分析发现大型居住社区居民出门时间早于上海市平均时间、居民对公交的依赖性非常强、助动车使用比例较高,这表明大型居住社区公交配套设施之间的衔接不到位,存在站点距离过长和线路不对称等情况.最后通过多个大型居住社区样本之间的比较,找出影响大型居住社区居民职住分离现象的因素,结合实际情况,给出相应改善职住分离现象的建议.     

基于个体出行图谱的公共交通通勤行为辨别方法研究

不同公共交通类型乘客的出行特征存在显著差异,实现公共交通通勤乘客准确辨识,有助于获取精细化的公共交通出行特征,更好地满足不同类型乘客的出行需求.基于北京市公共交通刷卡和线站数据,对公共交通多源数据进行关联匹配并提取出行链.利用北京市连续1个月的公共交通刷卡出行数据,采用多层规划理论构建了个体出行知识图谱,提取了出行天数、出行空间均衡度等7类特征指标.通过RP调查获得乘客出行行为类别.以特征指标为输入,乘客分类为输出,构建了面向公共交通乘客分类的BP神经元网络模型.验证表明,模型平均分类精度为94.5%,Kappa系数为0.879.本文研究有助于准确识别不同类别的公共交通乘客,为优化公共交通运营及公共交通精准化服务提供支撑.     

基于聚类站点客流公共特征的轨道交通车站精细分类

已有城市轨道交通车站分类多基于定性分析，不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先，将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据，并基于K-Means++算法对各个站点的客流量进行聚类；其次，建立客流量聚类结果与土地利用特征多维参数的拟合方程，计算获得居住密集型、工作就业型以及区域中心型等5种大类站点的客流量公共特征。在此基础上，充分考虑属于同一大类站点不同站点的细分特性，使用5类客流量公共特征比重组合精细描述具体站点类型。 实例结果表明，使用本文提出的精细分类方法计算得到的每个站的客流量拟合值与真实客流值间的平均绝对百分比误差控制在14%以内，说明该分类方法具有可行性。     

多源数据驱动CNN-GRU模型的公交客流量分类预测

为精准分析公交线路与站点不同客流的出行特征及时变差异性，结合深度学习理论，提出了一种基于卷积神经网络(CNN)与门控制循环单元(GRU)组合的公交客流分类预测模型；融合匹配公交一卡通刷卡、公交车GPS轨迹、线路和站点基础信息、气象等多源数据，实现公交客流数据重构；采用K-Medians算法将乘客分为通勤类和非通勤类；以乘客类型、历史客流量、时段、高/平峰、星期、降水量、重大活动等因素为输入向量，分别建立CNN与GRU单一模型，并利用均方误差、均方根误差、平均绝对误差为评价指标，开展预测；针对单一模型不适用多特征时间序列预测等问题，分别构建了由CNN和GRU组合的线路客流和断面客流预测模型；以北京市特15路公交为例，预测工作日与非工作日场景下的线路及断面的分类客流。分析结果表明:对于通勤类和非通勤类线路及断面客流，组合模型的均方误差相比单一模型平均降低了57.932、13.106和33.987，均方根误差平均降低了1.862、1.058和1.538，平均绝对误差平均降低了1.399、0.487和0.613，可见，多源数据驱动下的CNN-GRU组合模型具有良好的预测性能。      

多元数据下的公交站点客流不确定性分析

利用长期收集的公交站点IC卡刷卡数据,基于区间不确定性理论,提出公交上下车站点区间不确定性客流推导方法.首先,将公交IC卡数据和GPS数据与公交站点信息相融合,确定IC卡刷卡的上车站点及其区间不确定性客流;然后,对公交刷卡行为进行分析,考虑乘客个体出行特征、乘客出行距离和站点吸引权重,提出下车站点客流推导概率模型及相应算法,通过区间数处理方法,得到下车站点客流区间值.最后,以2015年11月13日~12月25日深圳市21路公交为期6周的IC卡刷卡数据和GPS数据为例进行实例分析.     

突发情况下地铁站应急疏散研究

地铁车站作为城市轨道交通乘客集散的枢纽,其特殊、复杂的建筑结构和客流特性使得乘客在站内的安全问题尤其受到重视.如何预防和减少安全事故的发生,以及在突发事件情况下对乘客进行安全迅速的疏散,已经成为国内外研究的重要问题.本文在元胞自动机的基础上,考虑了突发情况下乘客存在的非理性行为,建立疏散模型,并利用Pathfinder仿真软件,对广州地铁1号线杨箕站进行模拟仿真,通过对仿真结果的分析,提出合理可行的意见和建议.     

长沙地铁2号线运营初期客流特征分析

开展客流特征研究对科学合理地设计轨道交通系统、优化运营组织设计具有重要意义。以长沙地铁2号线的地铁刷卡数据为研究对象,运用数理统计方法对其开通初期三年的运营客流进行分析,着重分析断面不均衡系数、车站进出站高峰系数与车站周边土地利用性质的相关性,线路客运量高峰系数与该线功能定位的关系,以及乘降量和换乘量的客流特征。针对上述结论对设计和运营提出建议,可为轨道交通的设计、建设、运营提供参考,也可为大城市轨道交通客流预测结果的合理性判断提供依据。     

城市轨道交通多交路共线运营客流分配方法

多交路共线运营客流分配是城市轨道交通复杂交路设计、列车开行方案优化的基础。本 文以典型共线运营多交路为例，通过划分客流出行区段将乘客分为不同类型，分析了不同类型客 流的路径选择策略，提出以发车频率确定的客流分担比例计算方法，构建了基于发车频率和乘客 出行区段划分的客流分配模型。在此基础上，将多交路共线运营物理网络转化为共线运营服务 网络，通过引入超路径的概念，将乘客出行优化策略转化为共线运营服务网络上的最短超路径问 题，并考虑乘客在车拥挤感知费用，提出了基于超路径的客流增量分配方法。最后，通过算例验 证了共线客流分配方法的有效性，对比分析了两种方法的特点和适用性。     

中国高铁枢纽站区开发的功能类型与模式

为给中国高铁枢纽站区开发的功能类型安排提供定量化研究支撑,首先,对中国7个高铁枢纽站区开发典型案例进行数据分析,总结站区开发的功能类型.然后,通过建筑面积占比计算,得到7个站区新开发的4种主要功能类型——市场、酒店、办公和居住的占比平均值分别为7.71％,6.95％,25.27％和56.17％.最后,基于不同开发案例比...     

北京市轨道交通车站客流时空分布特征

轨道交通线网客流特征实质上是车站客流时空分布叠加及交换的效果体现,通过分析车站客流的波动性,发现北京轨道交通系统在不同时间维度和区域范围均呈现出明显的不均衡特征。针对车站特点进行聚类分析,归纳出周边不同用地类型的车站客流时空分布差异性特征规律,并进一步分析了进站客流和换乘站客流特征以及进出站客流接驳特征。在此基础上,对北京市轨道交通发展提出应建立多层次的轨道交通系统和多样化的轨道交通运营组织方式;重视换乘站在网络中的合理布局,改进换乘站设计与运行组织;结合车站区位特征制定差异化接驳服务等建议。     

北京市轨道交通乘客出行方式选择分析

轨道交通作为城市公共交通的一种承担方式,近年来在大城市公共交通中扮演着越来越重要的角色,因此对轨道交通乘客出行方式选择的分析显得尤为重要. 本文通过对北京地铁5号线进行乘客问卷调查,掌握乘客到离轨道交通系统的方式选择规律及客流空间分布规律. 研究结论主要有：选择步行方式换乘客流量是最大的,客流主要来自直接服务区,选择常规公交换乘轨道交通的比例次之,选择小汽车出行的人一般都是驾车到有条件的车站进行P+R换乘. 在上述数据分析的基础上,提出了轨道交通系统在规划设计上尽可能根据站点的吸引范围及区域特征实现地面公交、自行车、步行、出租车、私家车等与地铁的近距离换乘.     

基于元胞自动机的轨道交通客流拥堵传播研究

随着轨道交通网络化运营的发展,客流拥挤己成为大城市轨道交通常态.本文基于元胞自动机建立轨道交通大客流拥堵传播仿真模型,研究通勤大客流情景下城市轨道交通车站与区间拥堵状态传播问题.该仿真模型克服平均场理论的局限,通过建立局部交互的演化规则反映大客流传播过程中车站与车站间、车站与列车间的交互作用,定义列车满载率作为传播强度的衡量指标.从网络层、线路层和车站层构建指标,定量分析大客流拥堵传播规律.结果表明,本文模型可用于分析可预见性的大客流,预测客流在轨道交通网络中的传播规律,为客流控制策略的制定和评价提供依据.